![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
算法
文章平均质量分 67
sunghosts
这个作者很懒,什么都没留下…
展开
-
ChatGPT 背后的外包工人:在美时薪超 15 美元,干的都是苦力活
据报道,上周一,肯尼亚内罗毕有 150 多名在 Facebook、TikTok 和 ChatGPT 从事人工智能工作的工人已成立工会,理由是他们认为工资低,而且工作对精神造成一定程度的伤害。“每隔 30 到 45 分钟,你就会接到一个新任务,要提出新的问题,”库马尔说,开始提示可能很简单,比如“法国的首都是哪里?“这是一个由人工智能创造的新工作岗位,”她补充说。这份工作不会给萨夫勒带来多少名声或财富,但在人工智能领域中,这是一份容易被忽视的重要工作,外包工人的劳动可能会在新技术前沿的魔力面前黯然失色。转载 2023-05-11 10:05:31 · 264 阅读 · 0 评论 -
Torch - Dataset和Dataloader的解读和使用
Pytorch中的Dataset和Dataloader。Dataset允许你自定义自己的数据集,用来存储样本及其对应的标签。而Dataloader则是在Dataset的基础上将其包装为一个可迭代对象,以便我们更方便地(小批量)访问数据集。Data SizeBatch SizeIterationEpochDataLoader到这里应该就PyTorch的数据集和数据传递机制应该就比较清晰明了。Dataset负责建立索引到样本的映射,DataLoader。转载 2023-04-19 20:13:55 · 1257 阅读 · 0 评论 -
轮廓系数--聚类分析
https://blog.csdn.net/weixin_44344462/article/details/89337770https://scikit-learn.org.cn/view/74.html原创 2021-10-03 14:49:12 · 527 阅读 · 0 评论 -
l1 相比于 l2 为什么容易获得稀疏解?
假设损失函数L和某个参数 x 的关系如图所示:则最优的 x 在绿色点处, x 非零。现在使用 L2 正则化,新的损失函数 L+Cx2L+Cx^2L+Cx2 如图中蓝色线所示:(加了一个大于等于0的数字,图像变化)最优的 x 点在黄色处,但 x 非零。f(x)=L+Cx2f′(x)=L′+2Cxf′(x)=0f(x) = L+C x^2 \\ f'(x) = L' + 2Cx \\ f'(x)=0f(x)=L+Cx2f′(x)=L′+2Cxf′(x)=0当导数等于0的时候,因为 L′L'L′在x原创 2021-07-06 15:57:37 · 162 阅读 · 0 评论 -
深度学习—标准化(Normalization)
前言归一化层,目前主要有这几个方法,Batch Normalization(2015年)、Layer Normalization(2016年)、Instance Normalization(2017年)、Group Normalization(2018年)、Switchable Normalization(2018年);将输入的shape记为[N, C, H, W],这几个方法主要的区别就是在:batchNorm是在batch上,对NHW做归一化,对小batchsize效果不好;layerNorm原创 2021-04-15 17:54:12 · 3760 阅读 · 0 评论 -
满二叉树、完全二叉树、平衡二叉树、最优二叉树
满二叉树一棵二叉树的结点要么是叶子结点,要么它有两个子结点(如果一个二叉树的层数为K,且结点总数是 2k−12^k -12k−1,则它就是满二叉树。)完全二叉树若设二叉树的深度为k,除第 k 层外,其它各层 (1~k-1) 的结点数都达到最大个数,第k 层所有的结点都连续集中在最左边,这就是完全二叉树。平衡二叉树它或者是一颗空树,或它的左子树和右子树的深度之差(平衡因子)的绝对值不超过1,且它的左子树和右子树都是一颗平衡二叉树。最优二叉树(哈夫曼树)树的带权路径长度达到最小,称这样的二叉转载 2020-11-02 23:28:52 · 272 阅读 · 0 评论 -
腾讯word2vec模型缩小版
腾讯开源的word2vec模型。原版15个G,一般爱好者很难玩出来。所以做了一些小的。方便大家使用。5000-small.txt 这个有5000词,可以下下来玩玩45000-small.txt 这个有4.5w的词,已经能解决很多问题了70000-small.txt 7w词 133MB https://pan.baidu.com/s/1DprHD8HwEqkWRBG0ss2y1A100000-small.txt 10w词 190MB https://pan.baidu.com/s/1KqPOwfr转载 2020-10-28 16:17:49 · 1203 阅读 · 1 评论 -
背包问题(贪心算法)
注意:这是背包问题,而不是0-1背包问题,背包问题可以用贪心算法进行求解,但0-1无法用贪心算法求解,需要用动态规划算法求解;首先对贪心算法做一下总结,以及它与动态规划算法的区别:贪心算法两个最重要的性质:(1)贪心选择性质;(2)最优子结构性质;其中,贪心选择性质:自顶向下进行决策,每次做出的决策都是局部最优解,且每次做出决策后问题规模都变小了;最优子结构性质:即问题的最优解结构中包含子问题的最优解;动态规划算法的两个最重要的性质:(1)重叠子问题性质;(2)最优子结构性质;其中最优解子转载 2020-06-16 15:53:09 · 281 阅读 · 0 评论